نشریه علمی مهندسی پزشکی زیستی
Iranian Journal of Biomedical Engineering (IJBME)

بررسی تاثیر نرخ بازسازی کلاژن و پارامترهای تخریب الاستین در رشد آنوریسم آئورت شکمی

نوع مقاله : مقاله کامل پژوهشی

نویسندگان

فائزه جهانی 1
ملیکه نبئی 2
ژنشیانگ جیانگ 3
سونئیک بک 4

1 دانشجوی کارشناسی ارشد، آزمایشگاه سیالات بیولوژیکی، دانشکده‌ی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)، تهران، ایران

2 استادیار، آزمایشگاه سیالات بیولوژیکی، دانشکده‌ی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)، تهران، ایران

3 پژوهشگر پسا دکترا، آزمایشگاه تحقیقاتی مکانیک بافت و قلب و عروق، دانشکده‌ی مهندسی مکانیک، دانشگاه ایالتی میشیگان، ایست لنسینگ، آمریکا

4 دانشیار، آزمایشگاه تحقیقاتی مکانیک بافت و قلب و عروق، دانشکده‌ی مهندسی مکانیک، دانشگاه ایالتی میشیگان، ایست لنسینگ، آمریکا

https://doi.org/10.22041/ijbme.2023.2000798.1841
چکیده
آنوریسم آئورت شکمی، بزرگ شدن تدریجی قطر آئورت است که در صورت پارگی می‌تواند زندگی بیمار را تهدید کند. فاکتورهای متعددی در خطر پارگی و رفتار آنوریسم تاثیرگذار هستند. یکی از این عوامل مهم مشخصات هندسی و پارامترهای بیومکانیکی آنوریسم است که یافتن ارتباط آن با روند رشد آنوریسم کمک شایانی به نظارت بر روند درمان، تصمیم‌گیری پیرامون فرایند درمان و غربال‌گری می‌کند. لذا لازم است تا خصوصیت‌های هندسی (شکل و اندازه) آنوریسم آئورت شکمی برای هر بیمار به طور اختصاصی جهت پیش‌بینی خطر پارگی آنوریسم و رفتار آن مورد بررسی قرار گیرد. مدل‌های رشد و بازسازی بر مبنای روش المان محدود به عنوان ابزاری جهت تشریح ویژگی‌های بیولوژیکی و پیش‌بینی پیش‌رفت و تکامل بیماری شناخته می‌شوند که پتانسیل خود را در شرایط بروز آنورسیم آئورت شکمی نشان داده‌اند. از این رو در این مقاله از مدل رشد و بازسازی تابع تنش استفاده شده است تا اشکال مختلفی از هندسه‌ی آنوریسم آئورت شکمی به کمک تابع آسیب الاستین و بازسازی کلاژن شبیه‌سازی شود. نتایج شبیه‌سازی نشان دهنده‌ی نقش میزان آسیب الاستین بر تغییرات هندسی آنوریسم و حساسیت بازسازی کلاژن بر توزیع تنش دیواره و سرعت انبساط بوده به طوری که با تغییر نرخ کلاژن از 07/0 تا 04/0 تنش دیواره تا ۳۰۰ کیلوپاسکال افزایش یافته است. نتایج نشان داده که توزیع تنش و گسترش موضعی با میزان آسیب الاستین مطابقت دارد. تابع آسیب الاستین در محل حداکثر قطر و ایجاد شکل‌های مختلف آنوریسم آئورت شکمی موثر است. هم‌چنین تغییرات زمانی بر عمل‌کرد تخریب الاستین تاثیر مستقیم دارد. تولید کلاژن ناشی از تنش ایجاد شده، از دست دادن الاستین را جبران کرده و سرعت رشد آنوریسم را کنترل می‌کند. در نهایت این مدل محاسباتی قابلیت این را دارد که در آینده به طور اختصاصی پیچیدگی‌های رشد آنوریسم آئورت شکمی برای هر بیمار را به کمک تغییرات هندسی آنوریسم، میزان آسیب الاستین و تولید دوباره‌ی کلاژن در دیواره‌ی رگ به تصویر بکشد.

کلیدواژه‌ها

مدل محاسباتی رشد و بازسازی
تابع آسیب الاستین
بازسازی کلاژن
رشد آنوریسم

موضوعات

عنوان مقاله English

Impact of Collagen Turnover Rate and Elastin Degradation Parameters on the Enlargement of Abdominal Aortic Aneurysm

نویسندگان English

Faeze Jahani 1
Malikeh Nabaei 2
Zhenxiang Jiang 3
Seungik Baek 4
1 M.Sc. Student, Biological Fluid Dynamics Research Laboratory, Department of Biomedical Engineering, Amirkabir University of Technology (Tehran Polytechnic), Tehran, Iran
2 Assistant Professor, Biological Fluid Dynamics Research Laboratory, Department of Biomedical Engineering, Amirkabir University of Technology (Tehran Polytechnic), Tehran, Iran
3 Postdoctoral Researcher, Cardiovascular and Tissue Mechanics Research Laboratory, Department of Mechanical Engineering, Michigan State University, East Lansing, MI, USA
4 Associate Professor, Cardiovascular and Tissue Mechanics Research Laboratory, Department of Mechanical Engineering, Michigan State University, East Lansing, MI, USA
چکیده English

An abdominal aortic aneurysm is a gradual enlargement of the diameter of the aorta, which can threaten the patient's life if it ruptures. Several factors are effective in reducing aneurysm rupture risk and behavior. One of the important factors is the geometric characteristics of the aneurysm. It is necessary to examine the geometric characteristics (shape and maximum diameter) of abdominal aortic aneurysms for each patient to predict the risk of aneurysm rupture and its behavior. Growth and remodeling models based on the finite element method are tools for describing biological characteristics and predicting the progression of diseases such as abdominal aortic aneurysms. In this article, a stress-mediated growth and remodeling model was used to simulate different geometries of abdominal aortic aneurysms with the help of elastin damage function and collagen turnover. The simulation results emphasized the role of elastin damage on the geometrical changes of the aneurysm and the sensitivity of collagen turnover on wall stress distribution and expansion rate, so that with the change of the collagen rate from 0.07 to 0.04, the wall stress increased up to 300 kPa. The results showed that the stress distribution and local expansion correspond to the amount of elastin damage. The elastin damage function plays a key role in determining the location of the maximum diameter and in creating different forms of abdominal aortic aneurysms. Furthermore, time changes have a direct impact on elastin degradation. The remodeling of collagen, which was caused by increasing stress, compensated for the loss of elastin and controlled the expansion rate of the aneurysm. In the future, this computational model will have the ability to depict patient-specific abdominal aortic aneurysm growth with the help of the geometrical changes of the aneurysm, the amount of elastin damage, and collagen remodeling.

کلیدواژه‌ها English

Growth and Remodeling Computational Model
Elastin Damage Function
Collagen Turnover
Aneurysm Growth
  1. Shum, G. Martufi, E. S. DiMartino, and E. A. Finol, “Quantitative Assessment of Abdominal Aortic Aneurysm Geometry and Rupture Potential.” pp. 1303–1304, Jun. 17, 2009. doi: 10.1115/SBC2009-206231.
  2. Jiang, H. N. Do, J. Choi, W. Lee, and S. Baek, “A deep learning approach to predict abdominal aortic aneurysm expansion using longitudinal data,” Front Phys, vol. 7, p. 235, 2020.
  3. V. De Ceniga, R. Gomez, L. Estallo, L. Rodriguez, M. Baquer, and A. Barba, “Growth rate and associated factors in small abdominal aortic aneurysms,” European journal of vascular and endovascular surgery, vol. 31, no. 3, pp. 231–236, 2006.
  4. Baek, K. R. Rajagopal, and J. D. Humphrey, “A theoretical model of enlarging intracranial fusiform aneurysms,” J Biomech Eng, vol. 128, no. 1, pp. 142–149, 2006.
  5. Limet, N. Sakalihassan, and A. Albert, “Determination of the expansion rate and incidence of ruptur of abdominal aortic aneurysms,” J Vasc Surg, vol. 14, no. 4, pp. 540–548, 1991.
  6. Parr, M. McCann, B. Bradshaw, A. Shahzad, P. Buttner, and J. Golledge, “Thrombus volume is associated with cardiovascular events and aneurysm growth in patients who have abdominal aortic aneurysms,” J Vasc Surg, vol. 53, no. 1, pp. 28–35, 2011.
  7. Martufi et al., “Multidimensional growth measurements of abdominal aortic aneurysms,” J Vasc Surg, vol. 58, no. 3, pp. 748–755, 2013.
  8. M. Scotti, A. D. Shkolnik, S. C. Muluk, and E. A. Finol, “Fluid-structure interaction in abdominal aortic aneurysms: effects of asymmetry and wall thickness,” Biomed Eng Online, vol. 4, pp. 1–22, 2005.
  9. J. Sweeting and S. G. Thompson, “Making predictions from complex longitudinal data, with application to planning monitoring intervals in a national screening programme,” J R Stat Soc Ser A Stat Soc, vol. 175, no. 2, pp. 569–586, 2012.
  10. Nabaei, “Cerebral aneurysm evolution modeling from microstructural computational models to machine learning: A review,” Comput Biol Chem, p. 107676, 2022.
  11. Akkoyun, S. T. Kwon, A. C. Acar, W. Lee, and S. Baek, “Predicting abdominal aortic aneurysm growth using patient-oriented growth models with two-step Bayesian inference,” Comput Biol Med, vol. 117, p. 103620, 2020.
  12. M. He and M. R. Roach, “The composition and mechanical properties of abdominal aortic aneurysms,” J Vasc Surg, vol. 20, no. 1, pp. 6–13, 1994.
  13. T. Kwon et al., “Interaction of expanding abdominal aortic aneurysm with surrounding tissue: Retrospective CT image studies,” J Nat Sci, vol. 1, no. 8, p. e150, 2015.
  14. J. Cyron, R. C. Aydin, and J. D. Humphrey, “A homogenized constrained mixture (and mechanical analog) model for growth and remodeling of soft tissue,” Biomech Model Mechanobiol, vol. 15, pp. 1389–1403, 2016.
  15. D. Humphrey and K. Rajagopal, “A constrained mixture model for growth and remodeling of soft tissues,” Mathematical models and methods in applied sciences, vol. 12, no. 03, pp. 407–430, 2002.
  16. Zeinali-Davarani, A. Sheidaei, and S. Baek, “A finite element model of stress-mediated vascular adaptation: application to abdominal aortic aneurysms,” Comput Methods Biomech Biomed Engin, vol. 14, no. 9, pp. 803–817, 2011.
  17. J. Mousavi, S. Farzaneh, and S. Avril, “Patient-specific predictions of aneurysm growth and remodeling in the ascending thoracic aorta using the homogenized constrained mixture model,” Biomech Model Mechanobiol, vol. 18, pp. 1895–1913, 2019.
  18. Baek, K. R. Rajagopal, and J. D. Humphrey, “Competition between radial expansion and thickening in the enlargement of an intracranial saccular aneurysm,” J Elast, vol. 80, pp. 13–31, 2005.
  19. Nabaei and N. Fatouraee, “Computational modeling of formation of a cerebral aneurysm under the influence of smooth muscle cell relaxation,” J Mech Med Biol, vol. 12, no. 01, p. 1250006, 2012.
  20. Nabaei and N. Fatouraee, “Microstructural modelling of cerebral aneurysm evolution through effective stress mediated destructive remodelling,” J Theor Biol, vol. 354, pp. 60–71, 2014.
  21. S. Wilson, S. Baek, and J. D. Humphrey, “Parametric study of effects of collagen turnover on the natural history of abdominal aortic aneurysms,” Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, vol. 469, no. 2150, p. 20120556, 2013.
  22. Zeinali-Davarani and S. Baek, “Medical image-based simulation of abdominal aortic aneurysm growth,” Mech Res Commun, vol. 42, pp. 107–117, 2012.
  23. N. Watton and N. A. Hill, “Evolving mechanical properties of a model of abdominal aortic aneurysm,” Biomech Model Mechanobiol, vol. 8, no. 1, pp. 25–42, 2009.
  24. Farsad, S. Zeinali-Davarani, J. Choi, and S. Baek, “Computational growth and remodeling of abdominal aortic aneurysms constrained by the spine,” J Biomech Eng, vol. 137, no. 9, p. 91008, 2015.
  25. Baek, A. Valentín, and J. D. Humphrey, “Biochemomechanics of cerebral vasospasm and its resolution: II. Constitutive relations and model simulations,” Ann Biomed Eng, vol. 35, pp. 1498–1509, 2007.
  26. Zhang, Z. Jiang, J. Choi, C. Y. Lim, T. Maiti, and S. Baek, “Patient-specific prediction of abdominal aortic aneurysm expansion using Bayesian calibration,” IEEE J Biomed Health Inform, vol. 23, no. 6, pp. 2537–2550, 2019.
  27. T. Kwon, J. E. Rectenwald, and S. Baek, “Intrasac pressure changes and vascular remodeling after endovascular repair of abdominal aortic aneurysms: review and biomechanical model simulation,” J Biomech Eng, vol. 133, no. 1, 2011.
  28. Seyedsalehi, L. Zhang, J. Choi, and S. Baek, “Prior distributions of material parameters for Bayesian calibration of growth and remodeling computational model of abdominal aortic wall,” J Biomech Eng, vol. 137, no. 10, 2015.
  29. Gharahi, B. A. Zambrano, C. Lim, J. Choi, W. Lee, and S. Baek, “On growth measurements of abdominal aortic aneurysms using maximally inscribed spheres,” Med Eng Phys, vol. 37, no. 7, pp. 683–691, 2015.
  30. Akkoyun et al., “Defining a master curve of abdominal aortic aneurysm growth and its potential utility of clinical management,” Comput Methods Programs Biomed, vol. 208, p. 106256, 2021.
  31. S. Wilson, S. Baek, and J. D. Humphrey, “Importance of initial aortic properties on the evolving regional anisotropy, stiffness and wall thickness of human abdominal aortic aneurysms,” J R Soc Interface, vol. 9, no. 74, pp. 2047–2058, 2012.
  32. J. Rizzo et al., “Collagen types and matrix protein content in human abdominal aortic aneurysms,” J Vasc Surg, vol. 10, no. 4, pp. 365–373, 1989.
  33. Ghorpade and B. T. Baxter, “Biochemistry and molecular regulation of matrix macromolecules in abdominal aortic aneurysms.” Ann N Y Acad Sci, vol. 800, pp. 138–150, 1996.
  34. A. Zambrano et al., “Association of intraluminal thrombus, hemodynamic forces, and abdominal aortic aneurysm expansion using longitudinal CT images,” Ann Biomed Eng, vol. 44, pp. 1502–1514, 2016.
  35. Kim et al., “Deep Learning on Multiphysical Features and Hemodynamic Modeling for Abdominal Aortic Aneurysm Growth Prediction,” IEEE Trans Med Imaging, vol. 42, no. 1, pp. 196–208, 2022.
  36. Jiang, Patient-Specific Prediction of Abdominal Aortic Aneurysm Expansion Using Efficient Physics-Based Machine Learning Approaches. Michigan State University, 2022.
  37. Baek and A. Arzani, “Current state-of-the-art and utilities of machine learning for detection, monitoring, growth prediction, rupture risk assessment, and post-surgical management of abdominal aortic aneurysms,” Applications in Engineering Science, p. 100097, 2022.
نشریه علمی مهندسی پزشکی زیستی
دوره 16، شماره 4
زمستان 1401
صفحه 359-368

  • تاریخ دریافت 05 اردیبهشت 1402
  • تاریخ بازنگری 16 اردیبهشت 1402
  • تاریخ پذیرش 09 خرداد 1402

صفحه اصلی

تماس با ما